| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题的研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 软测量技术的研究现状 | 第11-13页 |
| 1.2.2 改进的软测量技术研究现状 | 第13-14页 |
| 1.3 研究内容以及章节安排 | 第14-16页 |
| 第二章 污水处理工艺的介绍 | 第16-24页 |
| 2.1 污水处理技术的介绍 | 第16-17页 |
| 2.1.1 污水处理技术分类 | 第16页 |
| 2.1.2 污水生化处理法 | 第16-17页 |
| 2.2 曝气生物滤池 | 第17-20页 |
| 2.2.1 曝气生物滤池的概述 | 第17-18页 |
| 2.2.2 曝气生物滤池的基本原理 | 第18页 |
| 2.2.3 曝气生物滤池的工艺介绍 | 第18-20页 |
| 2.3 污水水质参数 | 第20-22页 |
| 2.4 数据处理 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于LSSVM污水软测量模型的研究与应用 | 第24-38页 |
| 3.1 软测量技术 | 第24-27页 |
| 3.1.1 软测量模型的基本框架 | 第24-25页 |
| 3.1.2 软测量技术分类 | 第25-26页 |
| 3.1.3 软测量技术的影响因素 | 第26-27页 |
| 3.2 支持向量机 | 第27-28页 |
| 3.2.1 最优分类线(面) | 第27-28页 |
| 3.2.2 最大化分类间隔 | 第28页 |
| 3.3 支持向量回归机 | 第28-32页 |
| 3.3.1 线性支持向量回归机 | 第29-31页 |
| 3.3.2 非线性支持向量回归机 | 第31-32页 |
| 3.4 最小二乘支持向量机 | 第32-35页 |
| 3.4.1 最小二乘支持向量回归机 | 第33-34页 |
| 3.4.2 LSSVM和SVM的比较 | 第34-35页 |
| 3.5 基于LSSVM算法的污水处理的仿真验证 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于参数优化的LSSVM污水软测量模型研究与应用 | 第38-49页 |
| 4.1 超参数的研究 | 第38-39页 |
| 4.1.1 惩罚参数C | 第38-39页 |
| 4.1.2 核参数 | 第39页 |
| 4.2 粒子群(PSO)算法 | 第39-42页 |
| 4.2.1 PSO算法的研究内容 | 第40页 |
| 4.2.2 PSO算法的基本形式 | 第40-41页 |
| 4.2.3 粒子群算法的基本流程 | 第41-42页 |
| 4.3 标准粒子群算法 | 第42-44页 |
| 4.3.1 粒子群算法概述 | 第42-43页 |
| 4.3.2 粒子群算法参数 | 第43-44页 |
| 4.4 粒子群算法与进化算法的比较 | 第44-45页 |
| 4.5 常见的改进的粒子群算法 | 第45-46页 |
| 4.5.1 离散二进制粒子群优化算法 | 第45-46页 |
| 4.5.2 并行粒子群算法 | 第46页 |
| 4.5.3 混沌粒子群算法 | 第46页 |
| 4.6 基于改进粒子群算法污水处理仿真验证 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 基于模糊LSSVM污水软测量模型的研究与应用 | 第49-58页 |
| 5.1 基于模糊隶属度的回归方法 | 第49-50页 |
| 5.1.1 模糊最小二乘支持向量机 | 第49-50页 |
| 5.1.2 模糊最小二乘支持向量机的训练 | 第50页 |
| 5.2 模糊隶属度的功能分析 | 第50-51页 |
| 5.3 模糊隶属度函数的确立 | 第51-55页 |
| 5.3.1 基于样本空间的模糊隶属度函数模型 | 第51-53页 |
| 5.3.2 基于数据域描述的隶属度函数模型 | 第53-55页 |
| 5.4 基于模糊LSSVM污水处理软测量验证分析 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文总结 | 第58页 |
| 6.2 论文展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 附录A 插图清单 | 第65-66页 |
| 附录B 表格清单 | 第66-67页 |
| 附录C 仿真数据 | 第67-70页 |
| 在学研究成果 | 第70页 |